مقایسه روشهای یادگیری ماشین با ناظر در پیش بینی مرگ و میر بیماران مبتلا به کووید- ۱۹ بستری شده با استفاده از تحلیل تصاویر سیتی اسکن ریه
- سال انتشار: 1403
- محل انتشار: اولین کنفرانس بین المللی دوسالانه هوش مصنوعی و علوم داده
- کد COI اختصاصی: DSAI01_073
- زبان مقاله: فارسی
- تعداد مشاهده: 460
نویسندگان
دانشجوی کارشناسی ارشد، گروه امار زیستی، بهداشت، دانشگاه علوم پزشکی مشهد، مشهد
دانشیار، گروه امار زیستی، دانشکده بهداشت، دانشگاه علوم پزشکی مشهد، مشهد
استاد یار، گروه امار زیستی، دانشکده بهداشت، دانشگاه علوم پزشکی مشهد، مشهد
استاد یار، گروه امار زیستی، دانشکده بهداشت، دانشگاه علوم پزشکی مشهد، مشهد
چکیده
طبق اعلام سازمان بهداشت جهانی، در ژانویه ۲۰۲۳ در سطح جهانی، تعداد مبتلایان کرونا ویروس بیش از ۶۶۴ میلیون و فوت شدگان بیش از ۶/۷میلیون نفر اعلام شد. از جمله راهکارهایی که میتوان برای کاهش این میزان مرگ و میر بکار برد، استفاده از مدلهای یادگیری ماشین مبتنی بر روش هایپردازش تصویر میباشد. در این مطالعه ابتدا، استخراج ویژگیهای تصاویر با استفاده از الگوریتمهای مختلف انجام پذیرفت. سپس از میان این ویژگی ها بهکمک مدل های جنگل تصادفی و رگرسیون لجستیک بهترین آنها در پیش بینی مرگ و میر بیماران مبتلا به کووید- ۱۹ استفاده شد و در نهایت این مدلها بایکدیگر مقایسه شدند. مقدار شاخص حساسیت مدل رگرسیون لجستیک در یک اعتبارسنجی متقابل طبقه ای با ۵ دسته، ۰/۸۸ گزارش شد. رگرسیونلجستیک در مقایسه با مدل جنگل تصادفی عملکرد بهتری در پیش بینی مرگ و میر بیماران مبتلا به کووید- ۱۹ ، دارا بود.کلیدواژه ها
یادگیری ماشین با ناظر، پردازش تصویر، تصاویر سیتی اسکن، مرگ و میر، بیماری کووید- ۱۹مقالات مرتبط جدید
- سودآوری مشتریان در خردهفروشی قطعات یدکی ماشین آلات راهسازی با رویکرد یادگیری ماشین
- ارائه روشی کارآمد جهت شناسایی کودکان نیازمند به پیوند مغز استخوان با استفاده از ترکیب طبقه بند ماشین بردار پشتیبان و الگوریتم بهینه سازی فاخته
- استخراج بهینه پارامترهای تاثیر گذار الگوریتم بهینه سازی بوفالوی آفریقایی با هدف استخراج ویژگی های مهم به منظور افزایش کارایی طبقه بندی داده ها
- ارائه روشی کارآمد برای بهبود عملکرد الگوریتم بهینه سازی کلاغ سیاه به منظور افزایش صحت خوشه بندی داده ها
- استفاده از الگوریتم باور بیزین در لایه کاملا متصل شبکه عصبی کانولوشن با هدف افزایش دقت تشخیص تصاویر
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.